整数CDF(2,2)双正交小波变换结合SHHT的无失真图像压缩

讨论了整数CDF(2,2)可逆双正交小波变换,该方法可以由加法和移位完成,所以运算速度快,便于硬件实现该方法与SPIHT以及熵编码相结合可以实现无失真图像压缩,与ARJ、JPEG、整数Haar变换结合DPCM中使用的无失真编码方法相比,压缩比分别平均提高了40%、30%、15%左右.     

DPCM与整数小波变换相结合的图像无损压缩

论文讨论了将DPCM变换与整数小波变换相结合的方法来实现图像的无失真压缩。在论文压缩算法中,首先对图像进行DPCM预测,将差值图像经过整数小波变换,然后再用无损SPIHT算法进行压缩编码,最后再经过相应的逆变换即可以得到重构的无失真图像。该方法简单易懂,硬件实现方便。仿真结果表明,这是一种效果很好的图像无损压缩方法。     

基于整型DCT变换的图象编码研究

为了既能保证图象无失真压缩，又能提高编码效率，给出了一种新的基于整型可逆DCT变换的嵌入式编码方法，并实现了基于DCT的无失真编码和有失真编码方案的完美结合，该算法是首先通过计算DCT浮点变换的整数可逆矩阵分解，从而得到可以整数实现的可逆矩阵变换，然后再利用得到的分解矩阵依次对图象样本进行变换；最后将变换得到的系数用多种高效编码方法进行编码，实验结果表明，该新方法用于无损压缩编码时，整型DCT明显好于浮点DCT，而且没有残差的编码问题；用于有损压缩编码时，两者的编码效果相近。     

基于整数小波变换的准无失真图像压缩技术

本文首先讨论了一般整数小波的构造方法，然后利用分块DPCM（Differential Pulse Code Modulation）与整数小波变换进行遥感图像的准无失真压缩。该方法可进行实时处理，硬件实现简单，可并行处理。实验结果表明，该方法是一种有效的遥感图像压缩方法。     

整数变换实现大容量图像无损信息隐藏

目的 针对图像无损信息隐藏中嵌入容量和隐藏图像质量问题,描述了一种基于可逆整数变换算法在图像中实现较大容量数据嵌入的无损隐藏方法。方法 定义的可逆整数变换算法先计算图像块n个像素点的整数平均值,在整数变换过程中将各像素点与平均值之间的差值扩展到4倍。结果 整数变换后图像块所有像素点最低两位有效位相同,产生的冗余信息可用来嵌入2(n-1)比特数据。结论 给出了一种新的可逆整数变换算法并实现较大容量图像无损信息隐藏,实验结果表明该方法具有较大的数据嵌入容量和较好的隐藏图像质量,嵌入数据和原宿主图像均能从隐藏图像中无失真恢复。     

可逆的DCT整型变换与无失真图像压缩

使用提升的方法,利用FFT(fast Fourier transform)的蝶型构造,完成了FFT与DCT(discrete cosine transform)的从整数到整数的变换.变换本身是可逆的,因此非常适合于无失真图像压缩.     

利用改进整数变换实现图像无损信息隐藏

为了在图像中实现无损信息隐藏,并提高数据嵌入容量和隐蔽性,给出一种基于改进整数变换的无损信息隐藏方法。首先对图像块采用改进算法进行整数变换,使得变换前后图像块引入失真较少,然后自适应选择整数变换后引入失真较小的可修改图像块进行整数变换,并嵌入较大数据量的机密信息,在公共信道进行传输后接收端能正确提取机密信息,并无损恢复原宿主图像。实验结果表明,该方法具有较大的数据嵌入容量和较好的隐蔽性,可用于医学图像中隐藏病历信息及遥感、军事图像的无损隐秘传输等领域。     

基于提升的可逆颜色变换与渐进性无损图像压缩

利用提升的方法构造颜色空中逆变换（ＣＳＬＳ）。这种颜色空中逆变换是一种从整数到整数的变换,克服了浮点交换的精度误差问题,将其与零树编码结合起来,可以完成彩色图像的渐进性直至无失真编码。     

可逆线性变换的整型化及其应用

对可逆的线性变换进行了改造,使之成为整数到整数的变换.首先介绍了3类基本的整数可逆变换,在此基础上,通过对给定线性变换的矩阵分解,给出了一个可逆线性变换整型化的充要条件及其构造方法.该整型变换是可逆的,因此非常适合于无失真的数据处理,如语音或图像的无损压缩.     

一种基于整数小波变换的图像无损压缩方法

由于第二代小波变换可以实现图像的整数到整数的变换,而且图像的恢复质量与变换时边界采用何种延拓方式无关,完全可以克服由第一代小波变换所带来的缺陷。该文利用这个特性,提出了一种基于整数小波变换的图像无损压缩算法。该方法首先将图像进行整数小波变换,然后利用不同子带的小波系数分布特性,对不同的子带采用不同的预测方式,最后将预测误差进行哈夫曼编码。实验结果表明,该方法算法简单,有较好的压缩性能,与JPEG无损压缩模式相比较,有较大的优势。     

基于提升方案的整数Deslauriers-Dubuc(m,n)插值小波变换结合SPIHT应用于图象无损压缩编码性能的研究

研究了基于提升方案的 Deslauriers- Dubuc( m ,n)插值小波变换结合 SPIHT应用于图象无损压缩编码的性能 .实验结果表明 ,基于提升方案和整数运算的插值小波变换是整 -整可逆变换 ,适于快速的 ,渐进性的直至无损图象压缩 .无损压缩性能远好于 Huffm an、Win Rar、Raw Win Zip、JPEGL S.以 ( 4,4)插值小波为例平均而言压缩比分别比上述编码方法提高了 63 % ,49% ,46% ,3 4%左右 .由于实现的可逆小波变换是基于整数运算的 ,可由加法和移位完成 ,运算速度快 ,便于动态图象编码及硬件实现     

An improved lossless image compression algorithm based on Huffman coding

There is an increasing number of image data produced in our life nowadays, which creates a big challenge to store and transmit them. For some fields requiring high fidelity, the lossless image compression becomes significant, because it can reduce the size of image data without quality loss. To solve the difficulty in improving the lossless image compression ratio, we propose an improved lossless image compression algorithm that theoretically provides an approximately quadruple compression combining the linear prediction, integer wavelet transform (IWT) with output coefficients processing and Huffman coding. A new hybrid transform exploiting a new prediction template and a coefficient processing of IWT is the main contribution of this algorithm. The experimental results on three different image sets show that the proposed algorithm outperforms state-of-the-art algorithms. The compression ratios are improved by at least 6.22% up to 72.36%. Our algorithm is more suitable to compress images with complex texture and higher resolution at an acceptable compression speed.

     

两种整数可逆双正交小波变换的渐进性无损图象压缩性能的比较研究

整数CDF(2,2)、CDF(2,4)可逆双正交小波变换可以由加法和移位完成,运算速度快,便于硬件实现。CDF(2,2)结合SPIHT编码的无损图象压缩比与ARJ,JPEGLS,整数Haar变换结合DPCM相比分别平均提高了40%,30%,15%左右。而CDF(2,4)与CDF(2,2)的对比研究结果表明,CDF(2,4)的渐进性直至无损图象压缩性能好于CDF(2,2)。     

基于整数小波变换的遥感超光谱图像无损压缩

由于遥感图像信息十分宝贵,应尽可能采用无损压缩或近无损压缩方法。本文提出基于"提升"(Lifting)算法实现整数小波变换(IWT)的方法,将变换方法用于去除空间冗余,保证了小波变换后图像信息无损失,再用算术编码对图像进行无损压缩。由于变换方法的去相关性能良好,实验证明将IWT应用于遥感图像无损压缩是有效的,能达到预期的目的,解码后的图像能无失真的恢复。     

基于可逆整数DCT的遥感图像的无损压缩

通过程序设计实现了基于整数DCT的无损压缩算法，适用于遥感图像压缩。该算法对遥感图像进行整数DCT无损变换，用算术编码对变换系数进行了压缩。测试结果证明，相比于现有的基于DCT的无损压缩算法，压缩率有了一定的降低，对于遥感图像的压缩效果要好于普通无损压缩算法，可以在同一个系统中同时实现图像的无损/有损压缩，有一定的实用价值。     

基于整数小波变换的图像无损压缩方法

本文提出了一种基于整数的第二代小波变换图像无损压缩算法,它克服了第一代小波变换所存在的缺陷。首先将图像进行整数小波变换,然后利用不同子带的小波系数分布特性,对不同的子带采用不同的预测方式,对预测误差进行哈夫曼编码。与JPEG无损压缩模式相比较,该算法方法简单,有较好的压缩性能。     

基于改进SPIHT的图像无损压缩算法研究

针对应用于图像无损压缩的传统SPIHT算法没有充分利用小波系数低频子带带内的相关性且存在编码冗余的不足之处,提出了基于改进SPIHT的图像无损压缩算法。首先对原始图像进行整数小波变换,然后对小波变换后的低频子带和高频子带分开编码,即对低频子带进行预测编码;对高频子带,当阈值小于等于2时,改变了传统SPIHT算法的编码方式,减少了比特输出。实验结果表明,与传统SPIHT算法相比,比特率平均降低了0.0653bpp。     

整数(5,3)小波变换结合SPIHT的无损图像压缩

讨论了整数(5,3)小波变换的构造方法,在此基础上提出了一种整数(5,3)小波与SPIH T以及自适应编码相结合的无损图像压缩编码方法,该方法运算速度快,硬件实现简单,实验结果表明,与其他的无损压缩方法相比,压缩比均有提高,是一种有效的无损图像压缩方法。     

Investigation into lossless hyperspectral image compression for satellite remote sensing

Hyperspectral sensors acquire images in many, very narrow, contiguous spectral bands throughout the visible, near-infrared (IR), mid-IR and thermal IR portions of the spectrum, thus requiring large data storage on board the satellite and high bandwidth of the downlink transmission channel to ground stations. Image compression techniques are required to compensate for the limitations in terms of on-board storage and communication link bandwidth. In most remote-sensing applications, preservation of the original information is important and urges studies on lossless compression techniques for on-board implementation. This article first reviews hyperspectral spaceborne missions and compression techniques for hyperspectral images used on board satellites. The rest of the article investigates the suitability of the integer Karhunen–Loève transform (KLT) for lossless inter-band compression in spaceborne hyperspectral imaging payloads. Clustering and tiling strategies are employed to reduce the computational complexity of the algorithm. The integer KLT performance is evaluated through a comprehensive numerical experimentation using four airborne and four spaceborne hyperspectral datasets. In addition, an implementation of the integer KLT algorithm is ported to an embedded platform including a digital signal processor (DSP). The DSP performance results are reported and compared with the desktop implementation. The effects of clustering and tiling techniques on the compression ratio and latency are assessed for both desktop and the DSP implementation.